近40年全球海洋热浪的时空特征和机制

许强，陈幸荣，王海燕，刘珊，何越

（1.厦门大学海洋与地球学院，福建厦门 361102；2.国家海洋环境预报中心，北京 100081；3.自然资源部海洋灾害预报技术重点实验室国家海洋环境预报中心，北京 100081）

0 引言

自1970 年以来，全球海洋持续增暖并已吸收气候系统90%以上的过剩热量，相较1969—1993 年，1993—2017 年海洋升温的速度增加了一倍多[1]。在全球变暖的背景下，极端天气气候事件频发，海洋热浪（Marine Heatwaves，MHWs）逐渐受到学术界的广泛关注。MHWs 可导致珊瑚白化、海草消亡、物种迁徙、藻华爆发、底栖生物大量死亡、渔场关闭甚至引发经济危机[2-7]。鉴于MHWs 对海洋生态系统、渔业生产、气候变化和社会经济有重要影响[8]，迫切需要加深对这种现象的认识。

全球海洋中的MHWs 强度、发生频率和持续时间呈非均匀分布[9]。全球MHWs年平均频次为1～3次，高强度的MHWs 主要出现在海表温度（Sea Surface Temperature，SST）变化较大的区域[10]。全球范围内MHWs的持续时间差异很大，热带东部太平洋的平均持续时间长达60 d，热带其他地区多为5～10 d，东北太平洋和东南太平洋约为30 d，其余海域为10～15 d[10]。20 世纪MHWs 的持续时间更长，发生频率更高，且在全球变暖不断加剧的情况下，这一趋势将加速上升[10-11]。MHWs 指标的线性趋势在不同海域也存在差异，年频次增加最突出的区域是赤道西太平洋暖池区、西北大西洋和北冰洋东部，平均每年增加0.3次[12]。

MHWs 的形成机制十分复杂，在不同海域、不同时间尺度上其主导机制不同，且具有多尺度相互作用的特点[13]。前人的研究表明全球平均海温上升主导了MHWs的长期变化趋势[10]，而全球MHWs的年际变化则受大尺度气候模态的调控[9]。厄尔尼诺-南方涛动（El Niño-Southern Oscillation，ENSO）是全球年际变化的主要模态[14]，也是太平洋和印度洋热带地区MHWs发生频率的核心因素，在热带太平洋，有记录的MHWs中有三分之二与厄尔尼诺事件有关[9]。ENSO也可通过大气和海洋遥相关作用，引发东北太平洋、南太平洋中部和东印度洋等地的MHWs[15-17]。太平洋年代际振荡（Pacific Decadal Oscillation，PDO）主导了北太平洋SST 异常的大小，其海温模态中的东西偶极子结构在正位相和负位相时分别增加了北太平洋东部和西部发生MHWs 事件的可能性[18]。PDO 在年代际时间尺度上调节厄尔尼诺事件的频率和强度[19]，从而间接影响MHWs事件的生成与发展。但是，全球MHWs年际变化的主导因子有哪些，其影响范围和影响程度又是怎样的，这些问题仍需要进一步研究和厘清。

本文以MHWs 年际变化为研究核心，分析了1982—2021 年全球MHWs 最新的时空特征和变化趋势，比较了不同气候基准期的影响，并进一步分析了MHWs特征与PDO和ENSO的可能联系。

1 数据和方法

1.1 数据来源

本文使用美国国家海洋和大气管理局（National Oceanic and Atmospheric Administration，NOAA）逐日最优插值海表温度（Optimum Interpolation Sea Surface Temperature V2，OISST V2）高分辨率数据集[20]检测MHWs 事件。该数据集的时间分辨率为1 d，空间分辨率为0.25°×0.25°，研究选用时段为1982 年1 月1 日—2021 年12 月31 日，选 用 区 域 为65°S～65°N。此外，本文还采用美国NOAA 物理科学实验室（Physical Sciences Laboratory，PSL）提供的PDO和Niño 3.4气候指数进行机制分析。

1.2 MHWs的定义与分类

定性来看，MHWs 是发生在特定海域内离散、持久、异常增暖的事件；定量来看，MHWs 是指海温至少连续5 d 超过当地阈值的事件[21]。具体计算方法是：在30 a 的历史气候基准期内，以当天为中心，11 d 为窗口选取所有年份的每日温度值，其均值即为气候态，其90%分位数即为当日的阈值，将得到的阈值再进行31 d 平滑，由此，可以确定每一次MHWs 事件开始和结束的日期，如果中间出现连续小于或等于2 d 低于阈值的情况，将被视为一次MHWs事件。

从MHWs 的定义可知，历史气候基准期的选择尤其关键，不同的选择可能导致截然不同的结果，目前1983—2012 年的气候基准期已在MHWs 研究领域被广泛采用[10,22-24]。MHWs 的本质是海温异常，而“异常”海温是相对“正常”海温来确定的，但是由于全球增暖，“正常”海温也在不断变化，此刻的“异常”海温在未来可能是一个常态。因此，本文还将采用最新的气候基准期（1991—2020 年）得到近30年全球MHWs的时空特征和趋势，并与1983—2012年气候基准期结果进行比较。

为衡量MHWs的严重程度，HOBDAY等[22]提出一种基于强度的MHWs 分类方案。该方案根据海温超过当地气候态的程度将MHWs 分为4 类，定义为：

式中：I(t)为MHWs 强度；T90(j)为90%分位数阈值；Tm(j)为气候态。当1 ＜S≤2 时，归为中等（Ⅰ类）；当2 ＜S≤3 时，归为强烈（Ⅱ类）；当3 ＜S≤4时，归为严重（Ⅲ类）；当S＞4时，归为极端（Ⅳ类）。

1.3 MHWs的度量指标

基于HOBDAY 等[21]的定义，本文主要考虑以下6 个度量MHWs 的指标，即平均强度、最大强度、累积强度、持续时间、频次和总天数（见表1）。

表1 海洋热浪指标定义Tab.1 Definition of marine heatwave metrics

利用OISST V2 全球网格化数据，本文计算了研究区域发生的每次MHWs事件的平均强度、最大强度、累积强度和持续时间，并计算相关的年度统计指标，包括频次、年平均强度、年平均最大强度、年平均累积强度、年平均持续时间和总天数。

1.4 分析方法

在线性趋势分析中采用了常规的最小二乘法回归（Ordinary Least Square，OLS）和t 检验。为提取MHWs的时空变化主要特征，对1982—2021年每一年的热浪总天数移除线性趋势后进行经验正交函数（Empirical Orthogonal Function，EOF）分析。在研究MHWs 与气候模态之间的关系时使用了相关分析。

2 时空特征分析

2.1 全球MHWs的年平均特征

MHWs 在时间上可持续数天或数月，面积可达几平方公里甚至数千平方公里。本文首先选取1983—2012 年作为30 a 的历史气候基准期，计算了1982—2021 年全球表层MHWs 的6 项年平均指标，结果见图1。

图1 1982—2021年全球年平均海洋热浪指标Fig.1 Global annual mean marine heatwave metrics during 1982—2021

从图1a 可以看到，全球平均每年发生1～4 次MHWs 事件，低值区主要位于赤道中东太平洋，为1～2次，高值区主要位于北大西洋湾流一带，超过3次，北太平洋、西太平洋、西南太平洋、西南大西洋和南印度洋也是MHWs 频发区。MHWs 的平均强度为0.5～3.5 ℃（见图1b），低值区主要位于南半球高纬海域，高值区主要分布于赤道中东太平洋、黑潮续流、墨西哥湾流、马尔维纳斯海流和厄加勒斯回流一带。HAYASHIDA 等[25]利用模型和观测数据也发现1982—2018 年MHWs 平均强度的空间格局特征是在西边界流中更强，除赤道太平洋外，热带和亚热带环流区的MHWs 强度较低。MHWs 最大强度的空间分布和平均强度类似（见图1c），不同的是数值比平均强度更大，表现的是每次MHWs事件达到峰值时的统计结果，反映了MHWs 的危害程度。MHWs累积强度的地区差异较大（见图1d），为0～100 ℃d，低值区主要位于南半球高纬海域和除中东太平洋以外的热带海域，高值区主要位于赤道中东太平洋海域。MHWs的持续时间为5～35 d（见图1e），高值区主要位于东北太平洋和赤道中东太平洋海域。PLECHA 等[26]计算了1982—2014 年MHWs 全球年平均统计指标，发现持续时间较长的MHWs事件位于热带太平洋东部，这也是MHWs发生频率较低的区域。MHWs 总天数为10～70 d（见图1f），高值区主要分布于东北太平洋和西北大西洋海域。MHWs 总天数由持续时间和发生频次的乘积决定，因此总天数越高，代表MHWs 事件越持久或越频发。东北太平洋和西北大西洋的MHWs总天数都较高，前者是由持续时间长和发生频次高共同导致，后者则主要由发生频次高所导致。

2.2 MHWs的年际变化趋势

人类活动对海洋的影响不断增加，同时海洋自身的内部变率与外强迫彼此叠加，共同造成了全球MHWs 的变化。图2 展示的是1982—2021 年全球表层MHWs 各项年度指标的线性趋势。在过去的40 年里，MHWs 发生频次的线性增长趋势为-1～2次/10 a（p<0.05；见图2a），在西太暖池和墨西哥湾流一带增幅最大，而在南半球高纬地区出现下降趋势。SPILLMAN 等[27]发现在1982—2018 年间，热带和温带海域大部分地区每年发生的MHWs 事件数量的变化率为正（占海洋网格单元的82%），其中西北大西洋、西印度洋、西南大西洋、西热带太平洋和澳大利亚东南海岸外的变化率最大（趋势至少为0.12 次/a）。MHWs 平均强度的线性趋势为-0.5～0.5 ℃/10 a（p<0.05；见图2b），正增长主要出现在高纬海域，低纬海域主要呈现负增长趋势。MHWs 最大强度的线性趋势为-1～1 ℃/10 a（p<0.05；见图2c），其空间分布与平均强度的线性趋势高度相似。MHWs累积强度线性趋势在全球大部分海域都呈现正增长趋势，为0～40 ℃d/10 a（p<0.05；见图2d），东北太平洋海域的增幅最大。MHWs持续时间的线性趋势为0～20 d/10 a（p<0.05；见图2e），其空间分布与累积强度线性趋势类似。MHWs 总天数线性趋势的空间差异大，为-20～50 d/10 a（p<0.05；见图2f），东北太平洋和墨西哥湾流一带增幅最大，而南半球高纬地区出现下降趋势，其空间分布与频次线性趋势略相似。MHWs事件的频次、累积强度、持续时间和总天数在赤道中东太平洋海域的变化趋势不明显，均未通过95%的显著性检验。总体来看，各项指标在全球大部分海域都呈现正增长趋势。

图2 1982—2021年海洋热浪指标的线性趋势Fig.2 The linear trend of the marine heatwave metrics during 1982—2021

加权每个网格单元的面积，获得全球平均SST、MHWs 的频次、平均强度、最大强度、累积强度、持续时间和总天数的时间序列，再利用最小二乘法进行线性拟合，得到1982—2021 年的线性趋势（见图3）。在过去的40 年中，全球SST 平均每10 a 年增加0.16 ℃，MHWs 的年频次、平均强度、最大强度、累积强度、持续时间、总天数平均每10 a分别增加0.62次、0.0044 ℃、0.019 ℃、3.92 ℃d、2.71 d 和15.08 d，其中线性趋势最大的是总天数，最小的是平均强度。OLIVER等[10]也计算了1982—2016年全球平均SST、MHWs的频次、平均强度和持续时间的线性趋势，分别为0.16 ℃/10 a、0.45 次/10 a、0.085 ℃/10 a、1.3 d/10 a。这些结果与本文的计算结果略有不同，主要是因为计算的时间范围不同。

平均SST 的改变是全球大约三分之二海域中MHWs 总天数增加的主要驱动因素，也是大约三分之一海域MHWs 强度变化的主要驱动因素[28]。从图3可以看出，MHWs的频次、持续时间和总天数的线性趋势大于海表变暖的速度，这表明在过去的40年里，随着全球不断变暖，MHWs 事件变得更加频繁、持久，与OLIVER 等[10]的结果一致。但有趣的是，MHWs 的平均强度却没有显著变化，其趋势远小于海表变暖的速度。总体来看，MHWs 的频次、总天数和SST 的变化起伏基本一致，平均强度和最大强度基本一致，累积强度和持续时间基本一致。各项指标都在1982—1983 年、1997—1998 年和2015—2016 年存在一个峰值，正好对应了3 次超强El Niño事件[29]。

2.3 不同强度类别MHWs的时空分布

鉴于不同强度类别的MHWs 事件对海洋生态系统的影响不同[30]，本文对4 类不同的MHWs 进行分析。图4给出了不同类别的MHWs年平均天数的时空分布。1982—2021年，全球Ⅰ类MHWs年平均天数最多，为10～60 d（见图4a）；Ⅱ类MHWs 次之，为0～15 d（见图4b）；Ⅲ类MHWs 较少，为0～2 d（见图4c）；Ⅳ类MHWs最少，几乎可以忽略不记，为0～1 d（见图4d）。除Ⅳ类MHWs 以外，其他3 类MHWs 年平均天数均存在明显的空间差异。Ⅰ类MHWs 在全球海域均有发生，高值区主要集中在东北太平洋和西北大西洋海域；Ⅱ类MHWs 在东北太平洋、赤道中东太平洋和西北大西洋海域最多，超过10 d；Ⅲ类MHWs 主要集中在赤道中东太平洋海域。

2.4 不同历史气候基准期下的比较

本节选取1991—2020 年作为新的30 a 历史气候基准期，计算了1982—2021年全球表层MHWs的6 项年平均指标。在最新的气候基准期下，MHWs年平均频次和总天数的高值区往南半球高纬海域转移，且在热带太平洋西部和热带太平洋中东部分别出现了总天数的低值区和高值区，其他指标的空间分布则未发生明显变化（图略）。

与1983—2012年的基准期相比，取1991—2020年作为基准期将导致1982—2021 年MHWs 的6 项年平均指标在全球大部分海域降低（见图5a—f）。在全球90%以上的海域，MHWs的频次（见图5a）和总天数（见图5f）均减小，只有南极洲附近海域有所增加。在超过80%的海域中，MHWs 的累积强度（见图5d）和持续时间（见图5e）均减小。MHWs 平均强度和最大强度的变化幅度不大，为-0.5～0.5 ℃，在全球60%海域的平均强度（见图5b）和69%海域的最大强度（见图5c）均减小，但是在东北太平洋和西北大西洋海域，两项指标均有增加。

选取1991—2020年作为气候基准期，与1983—2012年原气候基准期相比，大多数海域MHWs的各项指标仍呈现线性增长趋势，但趋势有所减弱，尤其是热浪总天数（见图5g—l），西太平洋、北太平洋和东北大西洋等海域热浪总天数的最高减幅达30 d/10 a。造成以上结果的主要原因是全球变暖，与原1983—2012年基准期相比，通过1991—2020年的基准期计算得到的气候态和90%阈值普遍更高，因此导致MHWs的各项指标偏低。

3 MHWs的年际变化与PDO和ENSO的关系

对1982—2021年的热浪总天数进行EOF展开，得到前两个模态（见图6）。之所以选择MHWs总天数进行EOF分析，是因为该指标是MHWs最简单的表现形式，例如，更多或更长的事件都会导致MHWs 天数的增加[31]。第一模态的空间分布可以解释为受PDO的调控（见图6b），主成分时间序列则反映出与PDO 指数类似的年代际变化（见图6a）。第二模态反映了MHWs 与ENSO 之间的关系，厄尔

图6 海洋热浪年总天数前两个模态的时间序列和对应的空间分布Fig.6 Time series and spatial pattern of the leading two modes of total annual marine heatwave days

尼诺现象明显增加了中东太平洋的MHWs 事件，在西太平洋和东北太平洋海域则是抑制作用。主成分时间序列反映了相应空间模态随时间的权重变化，第二模态的主成分时间序列在1982—1983 年、1997—1998 年和2015—2016 年都存在一个极大值（见图6c），这3 个时期正好也对应了3 次超强厄尔尼诺事件。值得注意的是，前两个模态的主成分时间序列在2014—2016年都存在一个异常值，可能是因为这一时期全球SST 创下历史新高（见图3a）。2014—2016 年，厄尔尼诺现象导致热带太平洋西北部的次表层释放了异常高的热量，从而使得全球平均表面温度跳跃式地上升了0.24 ℃[32]。ENSO 作为最显著的年际信号之一，主导了全球大部分海域MHWs 的形成与发展[3,15,26,33]。EOF 分析得到的前两个模态揭示了PDO 和ENSO 对MHWs 总天数的调控，前人的研究也表明，气候模态似乎是增强或抑制MHWs事件及其可能性的重要因素[9]。

为进一步讨论PDO 和ENSO 对MHWs的影响，本文对这两种气候信号和全球年平均MHWs 指标进行了相关分析。图7 表明PDO 直接影响太平洋的MHWs 频次和总天数，在西太平洋的一个“V”字形区域呈现负相关关系，相关系数最高可达-0.8，在东太平洋则呈现正相关关系（p<0.05）。PDO通过遥相关作用也会间接影响印度洋和大西洋部分海域的MHWs频次与总天数。MHWs的平均强度、最大强度、累积强度和持续时间与PDO 指数的相关性较弱，PDO 对这些指标的影响范围也较小。Niño 3.4指数在中东太平洋海域与6项指标都具有较强的正相关关系（见图8），在太平洋以外的海域，其影响却没有PDO显著。除了中东太平洋，MHWs的平均强度、最大强度、累积强度和持续时间与Niño 3.4指数的相关性较弱或不具有相关性。MHWs 频次和总天数与Niño 3.4 指数具有相关关系的海域更广，如南北太平洋的中部以及澳大利亚西侧海域，都具有很强的负相关关系。

图7 1982—2021年PDO指数与海洋热浪指标的相关系数Fig.7 Distributions of the correlation coefficients between PDO index and the marine heatwave metrics during 1982—2021

图8 1982—2021年Niño 3.4指数与海洋热浪指标的相关系数Fig.8 Distributions of the correlation coefficients between Niño 3.4 index and the marine heatwave metrics during 1982—2021

4 结论和讨论

本文利用NOAA OISST 逐日表层海温资料统计了1982—2021 年全球MHWs 的时空特征和变化趋势，讨论了MHWs可能的驱动机制。主要结论如下：

①全球MHWs 的频次、平均强度、最大强度、累积强度、持续时间和总天数存在明显的地区差异，其中赤道中东太平洋MHWs 的发生频率较低，但平均强度、最大强度和持续时间偏强、偏长，因此累积强度也偏强。MHWs 除平均强度、最大强度在低纬海域有下降趋势，全球大部分海域MHWs 各指标均有线性增长趋势。平均强度的线性趋势远小于全球海表变暖的速度。

②中等、强烈、严重和极端MHWs 的时空分布是不均匀的，类别越高，年平均天数越少。对比了1991—2020年和1983—2012年作为基准期的结果，各项指标及其线性趋势普遍减小，这主要与全球变暖、SST上升有关。

③对1982—2021 年MHWs 的年总天数进行EOF 展开，得到的前两个模态分别体现了MHWs在年代际和年际尺度上的驱动因素。第一模态受PDO 的调控，第二模态反映了与ENSO 的关系。PDO和Niño 3.4指数与频次和总天数具有最强的相关关系，两种气候模态可通过局地作用和遥相关作用影响全球MHWs。

迄今为止进行的大多数研究以及本文的全球分析都是基于SST 来检测和分析MHWs，对于更深层中的MHWs 鲜有研究[34，35]，这也反映出我们对海洋的观测能力不足。对于PDO 和ENSO 对MHWs影响的认识大多只是建立在统计关系上，但是我们必须认识到其内部机制复杂，中间可能涉及到多个过程，以后还需借助其他分析手段进一步研究。MHWs 已成为海洋生态系统和海洋资源可持续性面临的重大挑战之一，迫切需要在理解其物理机制上取得新进展，如何准确预报及应对这种极端事件也有待进一步研究。